AG2

将 AG2 多Agent 系统连接 TwexAPI，实现推文搜索、资料查询、时间线与委派研究工作流。

AG2 是开源 Python 多AI Agent框架。TwexAPI 尚未提供原生 AG2 搜索工具包。通过 MCPToolkit 将 AG2 AI Agent连接到 TwexAPI MCP 服务器，使AI Agent可调用 explore 与 twexapi_request，同时将 API 凭证保留在基础设施内。

保留 API 返回的每条 tweet ID、用户 ID 与游标。

为何将 AG2 与 TwexAPI 搭配使用？

AG2 对工具暴露、委派与中间件提供显式控制。与 TwexAPI MCP 配对时，可在不硬编码每条 REST 路由的情况下做多AI Agent研究。

适合研究、监控与报告AI Agent。无需模型决策的确定性作业请用 Python SDK 或 Prefect 集合。

前置条件

• Python 3.10 或更高版本
• TwexAPI API 密钥
• AG2 支持的 LLM 提供商密钥

公开 X 读取无需 X Developer 凭证，使用 TwexAPI 认证即可。

安装 AG2

python -m pip install "ag2>=1.0.0" python-dotenv

同时安装模型提供商扩展。

python -m pip install "ag2[anthropic]>=1.0.0"

将密钥存放在源码控制之外。

export TWEXAPI_API_KEY="YOUR_API_KEY"
export ANTHROPIC_API_KEY="YOUR_ANTHROPIC_KEY"

用 MCPToolkit 连接 TwexAPI MCP

凭证须留在基础设施内时使用客户端 MCPToolkit。TwexAPI MCP 暴露 explore 与 twexapi_request。

import asyncio
import os

from ag2 import Agent
from ag2.config import AnthropicConfig
from ag2.tools import MCPToolkit, MCPServerConfig
from dotenv import load_dotenv

load_dotenv()
config = AnthropicConfig(model="claude-sonnet-4-20250514")

twexapi_mcp = MCPToolkit(
    MCPServerConfig(
        server_url="https://api.twexapi.io/mcp",
        server_label="twexapi",
        headers={"x-api-key": os.environ["TWEXAPI_API_KEY"]},
        allowed_tools=["explore", "twexapi_request"],
    )
)

agent = Agent(
    "x-researcher",
    prompt=(
        "Search X for evidence before answering. "
        "Always call explore before twexapi_request. "
        "Quote tweet text verbatim and keep every tweet ID you receive. "
        "Ask for confirmation before read_only: false actions."
    ),
    config=config,
    tools=[twexapi_mcp],
)


async def main() -> None:
    reply = await agent.ask(
        "What are developers saying about AI agents on X this week? "
        "Return tweet IDs, authors, and a 5-bullet summary."
    )
    print(reply.body)


asyncio.run(main())

headers 中的 x-api-key 为必填。未认证请求 https://api.twexapi.io/mcp 返回 401。

按AI Agent角色限制工具

仅发现型AI Agent访问 explore；执行型AI Agent两者皆可。

catalog_agent_tools = [
    MCPToolkit(
        MCPServerConfig(
            server_url="https://api.twexapi.io/mcp",
            headers={"x-api-key": os.environ["TWEXAPI_API_KEY"]},
            allowed_tools=["explore"],
            server_label="twexapi-catalog",
        )
    )
]

execution_agent_tools = [
    MCPToolkit(
        MCPServerConfig(
            server_url="https://api.twexapi.io/mcp",
            headers={"x-api-key": os.environ["TWEXAPI_API_KEY"]},
            allowed_tools=["explore", "twexapi_request"],
            server_label="twexapi-execute",
        )
    )
]

在多AI Agent团队中委派搜索

Agent.as_tool() 将AI Agent暴露为另一AI Agent 的工具。协调者收到委派者的最终答案，而非其内部工具调用历史。

searcher = Agent(
    "searcher",
    prompt=(
        "Use TwexAPI MCP to search public X posts. "
        "Call explore first. Return tweet text with IDs. Do not summarise away IDs."
    ),
    config=config,
    tools=[twexapi_mcp],
)

analyst = Agent(
    "analyst",
    prompt="Turn tweet records into a factual brief. Keep every tweet ID.",
    config=config,
)

coordinator = Agent(
    "coordinator",
    prompt="Delegate the search, then pass the tweets to the analyst.",
    config=config,
    tools=[
        searcher.as_tool(description="Search public X posts and return raw tweet records."),
        analyst.as_tool(description="Analyse tweet records. Pass them in the context parameter."),
    ],
)

reply = await coordinator.ask("Brief me on this week's discussion of AI agents on X.")
print(reply.body)

Handoff 清单

持久化 MCP 响应中的 durable 字段，使后续工作流步骤不依赖聊天历史。

完整清单见 Agent MCP Handoff。

分页

explore 返回分页路由时，通过 twexapi_request 原样传回文档化游标字段。游标视为 opaque 字符串。按 tweet_id 或 user_id 去重。

checkpoint = {
    "route_used": "/twitter/advanced_search/page",
    "query": "AI agents",
    "has_more": True,
    "next_cursor": "cursor_123",
}

与 Docs MCP 组合

Agent 应先搜索 TwexAPI 文档再选路由时，添加 Docs MCP 服务器。

tools=[
    MCPToolkit(
        MCPServerConfig(
            server_url="https://docs.twexapi.io/mcp",
            server_label="twexapi-docs",
        )
    ),
    twexapi_mcp,
]

处理失败

MCP 与 REST 错误通过工具包以 HTTP 失败形式呈现。重试前按状态分支。

需要重试、审批门或审计日志时，用 AG2 工具中间件包装 MCPToolkit。

提供商侧 MCP（仅 Anthropic）

若面向 Anthropic 且接受将凭证转发给提供商，可用 MCPServerTool 替代 MCPToolkit。需跨提供商部署且 API 密钥须留在基础设施内时，优先 MCPToolkit。

相关指南

• AG2 MCP Servers documentation
• MCP Server
• MCP Tools
• LangChain
• CrewAI
• Python SDK